Trainocate - 가장 신뢰받는 IT 공인 교육 기업 트레이노케이트

[DP-100T01] Microsoft Azure 데이터 과학 솔루션 설계 및 구현

Azure Machine Learning을 사용하여 클라우드 규모에서 머신러닝 솔루션을 운영하는 방법을 학습합니다. 이 과정에서는 Python과 머신러닝에 대한 기존 지식을 활용하여 Azure Machine Learning과 MLflow를 통해 데이터 수집 및 준비, 모델 학습 및 배포, 머신러닝 솔루션 모니터링을 관리하는 방법을 가르칩니다.

선수지식

Python 및 머신러닝 프레임워크(예: Scikit-Learn, PyTorch, TensorFlow)에 대한 기존 지식 클라우드 환경에서 데이터 과학 및 머신러닝 솔루션에 대한 기본 이해 Azure 플랫폼 및 Azure Machine Learning 환경에 대한 기본적인 사용 경험

강의내용

기계 학습 솔루션 설계
- 기계 학습 프로젝트에 대한 데이터 수집 전략 설계
- 기계 학습 모델의 학습 솔루션 설계
- 모델 배포 솔루션 설계
- MLOps(Machine Learning Operations) 설계

Azure Machine Learning 작업 영역 탐색 및 구성
- Azure Machine Learning 작업 영역 리소스 및 자산 살펴보기
- 작업 영역 상호 작용을 위한 개발자 도구 살펴보기
- Azure Machine Learning에서 데이터를 사용할 수 있도록 만들기
- Azure Machine Learning에서 컴퓨팅 대상 작업
- Azure Machine Learning에서 환경 작업

Azure Machine Learning 실험
- 자동화된 Machine Learning을 사용하여 최상의 분류 모델 찾기
- MLflow를 사용하여 Jupyter Notebook에서 모델 학습 추적

Azure Machine Learning을 사용하여 모델 학습 최적화
- Azure Machine Learning에서 학습 스크립트를 명령 작업으로 실행
- 작업에서 MLflow를 사용한 모델 학습 추적
- Azure Machine Learning을 사용하여 하이퍼 매개 변수 튜닝 수행
- Azure Machine Learning에서 파이프라인 실행

Azure Machine Learning에서 모델 관리 및 검토
- Azure Machine Learning에서 MLflow 모델 등록
- Azure Machine Learning에서 모델에 대한 AI 대시보드 제작 및 탐색

[DP-100T01] Microsoft Azure 데이터 과학 솔루션 설계 및 구현

수강대상

선수지식

강의내용